数据库数据去重方法 mysql查询去重后的总数

初始化实验环境明确需求查找重复的数据查找要保留的数据删除重复的数据方法一方法二方法三写法1写法2总结

MySQL中经常会遇到重复的数据，那么当我们遇到重复的时候的时候，如果定位哪些数据是有重复的记录？如何删除重复的数据？我们该怎么做呢？接下来我们一步步来分析一下遇到这样的情况后，该如何处理。

咋办呢？

初始化实验环境

我们创建一个简单的表user_info，然后基于这个表进行分析重复数据的处理情况。其中的id为自增主键，name、sex、age三个列是我们判断是否为重复数据的key，如果这三列的值相同，则认为这行数据为重复数据。建表语句如下：

CREATE TABLE `user_info` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL,
  `sex` varchar(255) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `remark` varchar(255) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=13 DEFAULT CHARSET=utf8;

初始化数据如下：

INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (1, 'A', '男', 22, '第一个A');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (2, 'B', '女', 33, '第一个B');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (3, 'C', '男', 44, '第一个C');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (4, 'D', '女', 55, '第一个D');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (5, 'A', '男', 22, '第二个A');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (6, 'B', '女', 33, '第二个B');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (7, 'C', '男', 44, '第二个C');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (8, 'D', '女', 55, '第二个D');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (9, 'E', '男', 18, '第一个E');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (10, 'A', '男', 22, '第三个A');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (11, 'B', '女', 33, '第三个B');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (12, 'F', '男', 15, '第一个F');

最后表中数据如下:

初始化的测试数据

明确需求

假设我们的要求是保留重复数据中，第一次出现的数据，后面出现的数据不保留。

也就是我们的上面的这个表中每一组重复数据中id最小的一行数据需要保留，其他比较大的id的重复的数据行需要被删除。当然如果是要保留id行最大的一行数据最为最后的数据行也是可以了，只要在查询的时候，稍微修改一下SQL语句的min(id)或max(id)函数即可。

开整

查找重复的数据

基于前面我们初始化的实验数据，首先我们要查询出那些数据是有重复数据的行，通过下面的SQL语句，可以得到结果：其中有重复数据的是name值为A、B、C、D的四种类型的数据。使用如下SQL可以查询出来那些数据行有重复记录，并统计出重新出现的次数。

select 
	name, sex, age, 
  count(*) as count -- 数据重复出现的次数
from user_info 
group by name, sex, age 
having count(*) > 1;

重复数据在表中的统计结果如下：

数据重复的统计情况

查找要保留的数据

上面我们知道该如何查询哪些数据是重复数据了，那么我们需要保留的数据是哪些？使用下面的SQL既可以获取到我们要保留的数据行：

select * from user_info 
where id in (
	select 
		min(id) 
	from user_info 
	group by name, sex, age
);

结果如下：

每组重复数据中，id值最小的数据行

上面的结果就是我们需要最后留下来的数据。这里包含了非重复的时候和每一组重复的数据中id最小的数据行。

删除重复的数据

方法一

这是最笨的一种方式，也是最容易理解的一种方式，效率也比较低。思路如下：

步骤一

步骤二

步骤三

从上面的过程中，我们一步一步定位到了我们需要删除的数据是哪些。定位到这些数据之后，删除的时候，只要把查询语句改为删除语句即可。所以最后通过这样的方式来删除我时候，我们的删除语句如下：

delete from user_info 
where (name,sex,age) in ( 
	select x.* from ( -- 删除的时候，这里要在包裹一层子查询
		select -- 查询重复数据中，name, sex, age的值
			name, sex, age
		from user_info
		group by name, sex, age
		having count(*) > 1
	) as x
)
and id not in (
	select min_id from ( -- 删除的时候，这里要在包裹一层子查询
		select -- 查询重复数据中，最小的id值
			min(id) as min_id
		from user_info 
		group by name, sex, age
		having count(*) > 1
	) as y
);

注意：上面的删除语句中，我们在两个where条件中的子查询语句外面又包裹了一层子查询，即为上面SQL语句中的as x和as y两个查询语句，之所以包裹一层的原因是在程序如下的错误提示：

1093 - You can't specify target table 'user_info' 
for update in FROM clause, Time: 0.084000s

上述错误的原因是：修改一个表的时候子查询不能是这被修改的这个表，所以，我们的解决办法是，在子查询外面再套一层查询语句就可以了。

方法二

上面方法一的思路是想办法找到我们要删除的数据是哪些，然后我们在删除的时候，使用where条件去匹配这些查询出来要删除的数据行，以此来达到删除重复数据的目的。

换个思路解决

此时，我们不妨换一个角度思考：我们不要去关注哪些是我们需要删除的重复数据，相反，我们去关注哪些是我们需要留下来的数据。然后我们可以在删除的时候，使用取反的方式not in我们需要保留下来的数据，那不是就我们需要删除的数据吗？

所以，我们想一想哪些使我们需要留下来的数据呢？每一组数据中，id值最小的哪一行就是我们要保留的数据行。其余的我们就不关心了。那么怎么样才能取到这样的数据行呢？使用下面的SQL语句可以获取我们需要保留的数据行的所有的id的值：

select 
	min(id) 
from user_info 
group by name, sex, age;

结果如下：

既然我们想要保留的数据行的id集合得到了，在我们要删除数据的where条件中，使用not in我们要保留的id集合，不就是需要删除的数据吗？删除重复数据的语句如下：

delete from user_info 
where id not in(
	select min_id from (
		select 
			min(id) as min_id
		from user_info 
		group by name, sex, age
	) as x
);

注意：这里为了避免MySQL的1903错误，我们也在where条件的子查询中包裹了另外一个子查询，即上面SQL中as x查询语句。

方法三

寻找更高效简单的方法

通过两个表关联的方式来删除数据，这个方式效率比较高，推荐使用这种方式。自己和自己关联，关联的条件就是我们判断数据是否为重复数据的key。除此之外，最重要的一个条件是：两个表的id关联条件，这个是删除保留数据的关键条件。查询重复数据的SQL语句如下：

select a.*,b.* 
from user_info as a 
inner join user_info as b 
on a.name = b.name 
and a.sex = b.sex 
and a.age = b.age
and  a.id > b.id;

结果如下：

写法1

删除重复数据SQL语句如下：

delete a.*
from user_info as a 
inner join user_info as b 
on a.name = b.name 
and a.sex = b.sex 
and a.age = b.age
and  a.id > b.id;

写法2

除了上面的那种写法之外，还有另外一种写法，如下：

查询待删除的重复数据SQL如下：

select * from user_info as a 
where a.id <> (
	select 
		min(b.id) 
	from user_info as b 
	where a.name = b.name
	and a.sex = b.sex
	and a.age = b.age
);

删除重复数据的SQL语句如下：

delete a.* from user_info as a
where a.id <> (
	select
		min(b.id)
	from (
		select * from user_info
	) as b
	where a.`name`= b.`name`
	and a.sex = b.sex
	and a.age = b.age
);

总结

以上是对于MySQL中重复数据删除的时候，经常使用的方法。对于其他数据库中存在的重复数据，删除的思路也是这些，只是具体到SQL语句的写法可能稍有稍有差异。只要你掌握了思路，具体到SQL语句的写法，尝试几次就可以成功。

以上，希望能帮助到你。

最后提醒一点： 在真正删除之前，记得对原数据备份一下。以便删除错误后，数据不能恢复回来。可以使用如下的语句来创建一个备份表，以便于在删除错误后，把数据恢复到原来的表中去。

create table user_info_bak as select * from user_info; --创建一个备份表
truncate table user_info; -- 清空原始表中的数据
insert into user_info select * from user_info_bak; -- 从备份表中把数据插入到原始表中

像上面这样操作，数据如果删除失误的时候，可以从user_info_bak中还原数据到user_info表中。